基于大数据的多维度数字化供应链流程优化方法

技术领域

本发明涉及计算机技术领域，特别涉及一种基于大数据的多维度数字化供应链流程优化方法。

背景技术

企业的供应链计划不仅是企业管理的重要环节之一，而且还会进一步地指导生产，是生产决策的有效依据，计划方案的优劣往往能决定企业的经济效益。

目前，国内大多数企业的供应链计划编制依赖人工经验进行。但是对大中型的企业来说，产品规格众多，业务流程变化频繁，计划过程中需要各部门各环节之间的协商与资源调节。人工编制供应链计划方案是十分复杂且耗费人力的，依据各部门的之间的人为协调，很难快速得出优化的结果，最后制定的计划方案准确性也无法得到量化。而且许多企业的供应链的计划方案往往使用单周期的优化，将一个月作为一个优化间隔，或是以天为单位，优化出一种效益最大化的方案，再乘以系数，并没有根据实际的计划情况进行动态的更新和滚动，导致计划在前期比较准确，随着时间的推移，计划与实际的偏差越来越大，计划的准确率也越来越低，不可避免地导致供应链月度计划与实际情况的脱节。

发明内容

本发明提供一种基于大数据的多维度数字化供应链流程优化方法，用以解决背景技术中提出的问题。

本发明提供一种基于大数据的多维度数字化供应链流程优化方法，包括：

S1：基于生产流程过程，建立供应链条模型，并基于所需生产资源及其来源建立生产资源供应模型，基于所需服务资源及其来源建立服务资源供应模型；

S2：获取供应链条模型的链条节点，并将生产资源供应模型和服务资源供应模型与对应的链条节点进行关联，得到供应链动态模型；

S3：按照预设间隔获取供应链动态模型中各个链条节点的链条流动数据，基于链条流动数据确定供应链动态模型的变动情况；

S4：基于供应链动态模型的变动情况，确定对供应链条的优化。

优选的，S1中，基于生产流程过程，建立供应链条模型，包括：

基于生产流程过程，确定生产节点和业务流向；

基于生产节点建立链条节点，基于业务流向确定链条节点之间的链条流向；

基于链条节点和链条流向构建得到供应链条模型。

优选的，S1中，基于所需生产资源及其来源建立生产资源供应模型，基于所需服务资源及其来源建立服务资源供应模型，包括：

从生产流程过程中确定所需生产资源，并确定所需生产资源的生产供应渠道，确定生产供应渠道的生产资源供应速度；

将生产资源的生产供应渠道作为供应点，生产资源供应速度作为供应流向特征，建立生产资源供应模型；

从生产流程过程中确定所需服务资源，确定所需服务资源的服务供应渠道，确定服务供应渠道的服务资源供应速度；

将服务资源的服务供应渠道作为供应点，服务资源供应速度作为供应流向特征，建立服务资源供应模型。

优选的，S2中，获取供应链条模型的链条节点，并将生产资源供应模型和服务资源供应模型与对应的链条节点进行关联，得到供应链动态模型，包括：

基于供应链条模型的供应节点的节点特征与生产资源供应模型和服务资源供应模型的供应点的节点特征进行匹配，确定生产资源供应模型和服务资源供应模型之间的节点匹配关系；

基于节点匹配关系将生产资源供应模型和服务资源供应模型与供应链条模型进行关联，基于关联结果，建立得到供应链静态模型；

基于供应链静态模型中的链条流向，得到第一流向动态，基于供应链静态模型中的生产资源供应流向特征，得到第二流向动态，基于供应链静态模型中的服务资源供应流向特征，得到第三流向动态；

基于每个链条节点的标准工作时长，确定第一流向动态在链条节点的停留时长，基于停留时长，确定第一流向动态的初始动态特征；

基于第二流向动态确定链条节点处的生产资源供应速度，基于第三流向动态确定链条节点处的服务资源供应速度，并基于生产资源供应模型和服务资源供应模型的波动因素，给生产资源供应速度和服务资源供应速度进行调整，得到目标生产资源供应速度和目标服务资源供应速度；

判断基于目标生产资源供应速度和目标服务资源供应速度的供应特征是否满足初始动态特征；

若是，基于供应特征，为初始动态特征设置供应起点时间特征，得到目标动态特征；

否则，基于供应特征，对初始动态特征进行链条节点的停留时长调整并为初始动态特征设置供应起点时间特征，得到目标动态特征；

基于目标动态特征，第二流向动态和第三流向动态，对供应链静态模型进行动态设置，得到供应链动态模型。

优选的，基于供应特征，对初始动态特征进行链条节点的停留时长调整，包括：

确定基于供应特征不能满足初始动态特征对应的异常链条节点，基于供应节点，确定异常链条节点的最少停留时长，将最少停留时长替换异常链条节点开始的停留时长，实现对初始动态特征进行链条节点的停留时长调整。

优选的，S3中，按照预设间隔获取供应链动态模型中各个链条节点的链条流动数据，基于链条流动数据确定供应链动态模型的变动情况，包括：

按照供应链动态模型未运行前确定的目标动态特征进行动态运行；

按照预设间隔获取供应链动态模型中各个链条节点的链条流动数据；

将链条流动数据划分为主线流动数据和支线流动数据；

将主线流动数据与标准主线流动数据进行比较，确定供应链动态模型的主线变动情况；

将支线流动数据与标准支线流动数据进行比较，确定供应连动态模型的支线变动情况；

主线变动情况和支线变动情况组成供应链动态模型最终的变动情况。

优选的，将主线流动数据与标准主线流动数据进行比较，确定供应链动态模型的主线变动情况，包括：

获取主线流动数据不满足标准主线流动数据的第一流动数据，并确定第一流动数据对应的第一链条节点；

基于第一流动数据与标准主线流动数据之间的数据差异，确定第一变动数据类型和第一变动幅度；

基于第一链条节点的第一变动数据类型和第一变动幅度，作为供应链动态模型的主线变动情况。

优选的，将支线流动数据与标准支线流动数据进行比较，确定供应连动态模型的支线变动情况，包括：

获取支线流动数据不满足标准主线流动数据的第二流动数据，并确定第二流动数据对应的第二链条节点；

基于第二流动数据与标准支线流动数据之间的数据差异，确定第二变动数据类型和第二变动幅度；

基于第二链条节点的第二变动数据类型和第二变动幅度，作为供应链动态模型的支线变动情况。

优选的，S4中，基于供应链动态模型的变动情况，确定对供应链条的优化，包括：

从供应链动态模型的变动情况中获取主线变动情况和支线变动情况；

基于主线变动情况获取第一链条节点，基于支线变动情况获取第二链条节点，并获取第一链条节点和第二链条节点的共有节点；

基于共有节点在主线变动情况中的第一变动数据类型和第一变动幅度，确定主线变动特征，基于共有节点在支线变动情况中的第二变动数据类型和第二变动幅度，确定支线变动特征；

基于共有节点之间的节点关联关系，确定每个共有节点的相关影响权重，基于相关影响权重对主线变动特征和支线变动特征进行权重处理，得到共有节点的目标变动特征；

基于第一链条节点和第二链条节点的剩余节点的节点关联关系，确定每个剩余节点的单向影响权重，基于单向影响权重对剩余节点的变动特征进行权重处理，得到剩余节点的目标变动特征；

基于共有节点和剩余节点的目标变动特征，确定供应链动态模型的整体变动特征；

基于多次检测分析得到的供应链动态模型的多个整体变动特征，得到供应链动态模型的变动变化趋势；

将变动变化趋势输入到预先设计的模型趋势预测模型中，预测供应链动态模型的未来变化趋势；

获取供应链动态模型的初始模型参数，基于未来变化趋势对初始模型参数进行优化，实现对供应链条的优化。

优选的，基于相关影响权重对主线变动特征和支线变动特征进行权重处理，包括：

获取相关影响权重对应的权重分配比例，按照权重分配不利确定线变动特征的第一权重和支线变动特征的第二权重；

将第一权重与主线变动特征的乘积作为目标主线变动特征，将第二权重与支线变动权重的乘积作为目标支线变动特征；

基于目标主线变动特征和目标支线变动特征，得到共有节点的目标变动特征。

与现有技术相比，本发明取得了一下有益效果：

通过从生产流程过程，所需生产资源和所需服务资源多个维度共同联系来建立综合的供应链动态模型，实现对供应链流程的全面模拟化，为供应链流程的智能优化提供基础，然后按照预设间隔获取供应链动态模型中各个链条节点的链条流动数据，基于链条流动数据确定供应链动态模型的变动情况，实现对供应链动态模型的构成监测和结果数据获取，基于供应链动态模型的变动情况，确定对供应链条的优化，实现优化的智能化和准确度。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1为本发明实施例中一种基于大数据的多维度数字化供应链流程优化方法的流程图；

图2为本发明实施例中生产资源供应模型和服务资源供应模型确定的流程图；

图3为本发明实施例中供应链动态模型的变动情况确定的流程图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

实施例1：

本发明实施例提供一种基于大数据的多维度数字化供应链流程优化方法，如图1所示，包括：

S1：基于生产流程过程，建立供应链条模型，并基于所需生产资源及其来源建立生产资源供应模型，基于所需服务资源及其来源建立服务资源供应模型；

S2：获取供应链条模型的链条节点，并将生产资源供应模型和服务资源供应模型与对应的链条节点进行关联，得到供应链动态模型；

S3：按照预设间隔获取供应链动态模型中各个链条节点的链条流动数据，基于链条流动数据确定供应链动态模型的变动情况；

S4：基于供应链动态模型的变动情况，确定对供应链条的优化。

在该实施例中，所需生产资源例如生产原料，生产渠道等生成成品所用到的资源。

在该实施例中，服务资源例如包括运输资源等成品变现所需要用到的资源。

在该实施例中，链条节点例如为两个生产环节的连接点，或者两个运输环节的连接点等。

在该实施例中，链条流动数据包括链条节点上产生的数据的改变等。

在该实施例中，供应链条的优化包括结构的优化或者链条节点供应资源的变化。

上述设计方案的有益效果是：通过从生产流程过程，所需生产资源和所需服务资源多个维度共同联系来建立综合的供应链动态模型，实现对供应链流程的全面模拟化，为供应链流程的智能优化提供基础，然后按照预设间隔获取供应链动态模型中各个链条节点的链条流动数据，基于链条流动数据确定供应链动态模型的变动情况，实现对供应链动态模型的构成监测和结果数据获取，基于供应链动态模型的变动情况，确定对供应链条的优化，实现优化的智能化和准确度，使供应链条能够更加满足更新换代的需求。

实施例2：

基于实施例1的基础上，本发明实施例提供一种基于大数据的多维度数字化供应链流程优化方法，S1中，基于生产流程过程，建立供应链条模型，包括：

基于生产流程过程，确定生产节点和业务流向；

基于生产节点建立链条节点，基于业务流向确定链条节点之间的链条流向；

基于链条节点和链条流向构建得到供应链条模型。

上述设计方案的有益效果是：通过基于生产流程过程，确定生产节点和业务流向；基于生产节点建立链条节点，基于业务流向确定链条节点之间的链条流向；基于链条节点和链条流向构建得到供应链条模型，保证得到的供应链条模型的准确性。

实施例3：

基于实施例1的基础上，本发明实施例提供一种基于大数据的多维度数字化供应链流程优化方法，如图2所示，S1中，基于所需生产资源及其来源建立生产资源供应模型，基于所需服务资源及其来源建立服务资源供应模型，包括：

从生产流程过程中确定所需生产资源，并确定所需生产资源的生产供应渠道，确定生产供应渠道的生产资源供应速度；

将生产资源的生产供应渠道作为供应点，生产资源供应速度作为供应流向特征，建立生产资源供应模型；

从生产流程过程中确定所需服务资源，确定所需服务资源的服务供应渠道，确定服务供应渠道的服务资源供应速度；

将服务资源的服务供应渠道作为供应点，服务资源供应速度作为供应流向特征，建立服务资源供应模型。

上述设计方案的有益效果是：从所需生产资源和所需服务资源多个维度共同联系来建立综合的供应链动态模型，实现对供应链流程的全面模拟化，为供应链流程的智能优化提供基础。

实施例4：

基于实施例1的基础上，本发明实施例提供一种基于大数据的多维度数字化供应链流程优化方法，S2中，获取供应链条模型的链条节点，并将生产资源供应模型和服务资源供应模型与对应的链条节点进行关联，得到供应链动态模型，包括：

基于供应链条模型的供应节点的节点特征与生产资源供应模型和服务资源供应模型的供应点的节点特征进行匹配，确定生产资源供应模型和服务资源供应模型之间的节点匹配关系；

基于节点匹配关系将生产资源供应模型和服务资源供应模型与供应链条模型进行关联，基于关联结果，建立得到供应链静态模型；

基于供应链静态模型中的链条流向，得到第一流向动态，基于供应链静态模型中的生产资源供应流向特征，得到第二流向动态，基于供应链静态模型中的服务资源供应流向特征，得到第三流向动态；

基于每个链条节点的标准工作时长，确定第一流向动态在链条节点的停留时长，基于停留时长，确定第一流向动态的初始动态特征；

基于第二流向动态确定链条节点处的生产资源供应速度，基于第三流向动态确定链条节点处的服务资源供应速度，并基于生产资源供应模型和服务资源供应模型的波动因素，给生产资源供应速度和服务资源供应速度进行调整，得到目标生产资源供应速度和目标服务资源供应速度；

判断基于目标生产资源供应速度和目标服务资源供应速度的供应特征是否满足初始动态特征；

若是，基于供应特征，为初始动态特征设置供应起点时间特征，得到目标动态特征；

否则，基于供应特征，对初始动态特征进行链条节点的停留时长调整并为初始动态特征设置供应起点时间特征，得到目标动态特征；

基于目标动态特征，第二流向动态和第三流向动态，对供应链静态模型进行动态设置，得到供应链动态模型。

在该实施例中，所述节点匹配关系例如为该生产资源用于为该链条点提供生产资源，且节点匹配关系可以是资源与节点一对一或者一对多的关系。

在该实施例中，所述供应静态模型为在供应链条模型中链条节点的维持处增加资源流向，实现对链条节点对应业务的资源支持。

在该实施例中，每个链条节点的标准工作时长可以理解为单位生产资源在该链条节点的消耗时长。

在该实施例中，波动因素例如为天气原因，自然原因等。

在该实施例中，在链条节点可能会出现链条主流程正常运行，而资源跟不上的情况，此时需要调节链条主流程节奏。

在该实施例中，目标动态特征用于确定供应链动态模型的主流程动态特征，第二流向动态和第三流向动态用于确定供应链动态模型的支线动态。

上述设计方案的有益效果是：获取供应链条模型的链条节点，并将生产资源供应模型和服务资源供应模型与对应的链条节点进行关联，得到供应链动态模型，且在确定供应链动态模型的过程实现生产流程过程，所需生产资源和所需服务资源多个维度之间的融合关联，保证得到的供应链动态模型的全面性和准确性，为供应链流程的智能优化提供基础。

实施例5：

基于实施例4的基础上，本发明实施例提供一种基于大数据的多维度数字化供应链流程优化方法，基于供应特征，对初始动态特征进行链条节点的停留时长调整，包括：

确定基于供应特征不能满足初始动态特征对应的异常链条节点，基于供应节点，确定异常链条节点的最少停留时长，将最少停留时长替换异常链条节点开始的停留时长，实现对初始动态特征进行链条节点的停留时长调整。

上述设计方案的有益效果是：铜鼓哦调整实现链条节点供应链的顺利动态运行。

实施例6：

基于实施例1的基础上，本发明实施例提供一种基于大数据的多维度数字化供应链流程优化方法，如图3所示，S3中，按照预设间隔获取供应链动态模型中各个链条节点的链条流动数据，基于链条流动数据确定供应链动态模型的变动情况，包括：

按照供应链动态模型未运行前确定的目标动态特征进行动态运行；按照预设间隔获取供应链动态模型中各个链条节点的链条流动数据；将链条流动数据划分为主线流动数据和支线流动数据；

将主线流动数据与标准主线流动数据进行比较，确定供应链动态模型的主线变动情况；将支线流动数据与标准支线流动数据进行比较，确定供应连动态模型的支线变动情况；

主线变动情况和支线变动情况组成供应链动态模型最终的变动情况。

在该实施例中，所述主线流动数据为业务流程流动数据，所述支线流动数据为业务节点的资源供应流动数据。

上述设计方案的有益效果是：通过按照预设间隔获取供应链动态模型中各个链条节点的链条流动数据；将链条流动数据划分为主线流动数据和支线流动数据；将主线流动数据与标准主线流动数据进行比较，确定供应链动态模型的主线变动情况；将支线流动数据与标准支线流动数据进行比较，确定供应连动态模型的支线变动情况；主线变动情况和支线变动情况组成供应链动态模型最终的变动情况，实现对流动数据的变动监测，为供应链流程的智能优化提供基础。

实施例7：

基于实施例6的基础上，本发明实施例提供一种基于大数据的多维度数字化供应链流程优化方法，将主线流动数据与标准主线流动数据进行比较，确定供应链动态模型的主线变动情况，包括：

获取主线流动数据不满足标准主线流动数据的第一流动数据，并确定第一流动数据对应的第一链条节点；

基于第一流动数据与标准主线流动数据之间的数据差异，确定第一变动数据类型和第一变动幅度；

基于第一链条节点的第一变动数据类型和第一变动幅度，作为供应链动态模型的主线变动情况。

上述设计方案的有益效果是：通过将主线流动数据与标准主线流动数据进行比较，确定供应链动态模型的主线变动情况，为供应链流程的智能优化提供基础。

实施例8：

基于实施例6的基础上，本发明实施例提供一种基于大数据的多维度数字化供应链流程优化方法，将支线流动数据与标准支线流动数据进行比较，确定供应连动态模型的支线变动情况，包括：

获取支线流动数据不满足标准主线流动数据的第二流动数据，并确定第二流动数据对应的第二链条节点；

基于第二流动数据与标准支线流动数据之间的数据差异，确定第二变动数据类型和第二变动幅度；

基于第二链条节点的第二变动数据类型和第二变动幅度，作为供应链动态模型的支线变动情况。

上述设计方案的有益效果是：通过将支线流动数据与标准支线流动数据进行比较，确定供应连动态模型的支线变动情况，为供应链流程的智能优化提供基础。

实施例9：

基于实施例1的基础上，本发明实施例提供一种基于大数据的多维度数字化供应链流程优化方法，S4中，基于供应链动态模型的变动情况，确定对供应链条的优化，包括：

从供应链动态模型的变动情况中获取主线变动情况和支线变动情况；

基于主线变动情况获取第一链条节点，基于支线变动情况获取第二链条节点，并获取第一链条节点和第二链条节点的共有节点；

基于共有节点在主线变动情况中的第一变动数据类型和第一变动幅度，确定主线变动特征，基于共有节点在支线变动情况中的第二变动数据类型和第二变动幅度，确定支线变动特征；

基于共有节点之间的节点关联关系，确定每个共有节点的相关影响权重，基于相关影响权重对主线变动特征和支线变动特征进行权重处理，得到共有节点的目标变动特征；

基于第一链条节点和第二链条节点的剩余节点的节点关联关系，确定每个剩余节点的单向影响权重，基于单向影响权重对剩余节点的变动特征进行权重处理，得到剩余节点的目标变动特征；

基于共有节点和剩余节点的目标变动特征，确定供应链动态模型的整体变动特征；

基于多次检测分析得到的供应链动态模型的多个整体变动特征，得到供应链动态模型的变动变化趋势；

将变动变化趋势输入到预先设计的模型趋势预测模型中，预测供应链动态模型的未来变化趋势；

获取供应链动态模型的初始模型参数，基于未来变化趋势对初始模型参数进行优化，实现对供应链条的优化。

在该实施例中，共有节点为主线和支线全都存在变动的节点，剩余节点为仅主线或支线存在变动的节点。

在该实施例中，基于未来变化趋势对初始模型参数进行优化具体为按照未来变化趋势来对模型参数进行调整，使得调整后的模型可以多维度满足未来变化趋势。

上述设计方案的有益效果是：通过将变动的链条节点划分为共有节点和剩余节点去分别分析波动特征，最终整合到一起得到整体变动特征；基于多次检测分析得到的供应链动态模型的多个整体变动特征，得到供应链动态模型的变动变化趋势；将变动变化趋势输入到预先设计的模型趋势预测模型中，预测供应链动态模型的未来变化趋势；获取供应链动态模型的初始模型参数，基于未来变化趋势对初始模型参数进行优化，实现对供应链条的优化，现优化的智能化和准确度，使供应链条能够更加满足更新换代的需求。

实施例10：

基于实施例9的基础上，本发明实施例提供一种基于大数据的多维度数字化供应链流程优化方法，基于相关影响权重对主线变动特征和支线变动特征进行权重处理，包括：

获取相关影响权重对应的权重分配比例，按照权重分配不利确定线变动特征的第一权重和支线变动特征的第二权重；

将第一权重与主线变动特征的乘积作为目标主线变动特征，将第二权重与支线变动权重的乘积作为目标支线变动特征；

基于目标主线变动特征和目标支线变动特征，得到共有节点的目标变动特征。

上述设计方案的有益效果是：实现对主线变动特征和支线变动特征的权重分配，使得到的共有节点的目标变动特征更加符合实际情况。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。